柔性电子【Nature Comm.】用于视网膜启发的感觉编码和神经递质介导的神经通路的模块化有机神经形态尖峰回路

点击蓝字

关注我们

第一作者：Giovanni Maria Matrone

通讯作者：Jonathan Rivnay ， Yoeri van de Burgt

背景介绍

 Background

        神经形态计算目前正经历着研究活动的巨大增长。受神经科学的启发，它旨在模仿大脑的功能和架构，以实现高能效的并行计算和本地处理，它推动了边缘计算的发展， 智能机器人以及与人体交互的智能系统.然而，与生物组织（尤其是与中枢神经系统）建立积极的相互作用，需要计算系统不仅能够接收生物编码的输入，而且还能够通过调整其处理功能来处理和传达这些输入，例如神经递质和光。人体中复杂的感觉系统共享基于动作电位频率调制的编码机制.物理感知始于数百万个高度特异性的感觉受体细胞，这些细胞对身体不同位置的特定刺激做出反应。外部刺激的强度首先转化为受体电位，然后编码在传入神经元的放电频率中。

01

用于感觉编码和神经调控的神经形态系统

        有机神经形态系统能够复制传入神经元（通过外部刺激（如光）进行感觉编码）以及中间神经元（在生物杂交突触上与神经递质进行神经调控）的尖峰活动24），见图。

a 表示传入神经元对光刺激的感觉编码和中间神经元对多巴胺调节的神经调控的插图。b 模块化神经通路的示意图，包括由逆变器对和开关及其相应活性材料组成的神经形态脉冲神经元。对于感觉编码，连接物理受体（环境光传感器），并且对于神经调控，采用突触调节器，包括使用PEDOT：PSS的生物混合突触。c 使用环境光传感器作为物理感受器对光进行感觉编码，显示传入神经元输出的尖峰频率随着光强度和相应传感器输出电压的增加而增加（参见补充讨论 1）。输出频率相对于第一个（低）光条件的尖峰频率 （0.10 Hz） 显示 137% 的调制。d 使用突触调节器回路由多巴胺调节的神经调控。该图显示了突触调节器的输入和中间神经元尖峰频率的调制，具体取决于多巴胺浓度。突触调节剂输出由于DA的氧化而增加（红色）。虚线是显示尖峰输入存在的实验曲线。实线强调突触权重调节。0.1 mM DA（深红色）和 0.025 mM DA（浅红色）的尖峰频率调制相对于 PBS（黑色;0.10 Hz）的尖峰频率调制分别为 28% 和 26%。

        尽管传入神经元是感觉编码的基础，但它们仅占人体神经元的一小部分，而中间神经元占总数的 99%9.除了负责在大脑的不同区域之间传递信号外，他们的关键任务是通过化学突触的不同神经调节剂局部调节尖峰模式（尖峰率编码），这个过程称为神经调控，使学习和决策的基本功能成为可能36.我们的神经形态系统旨在使用神经递质多巴胺（DA）和血清素（5-HT）作为生物学线索来模拟中间神经元的神经调控过程。

02

多巴胺能神经元和血清素能神经元之间的神经通路

        在大脑中，每个神经元都会计算从许多中间神经元连接接收到的尖峰，如果输入刺激的总和达到特定阈值，则会触发尖峰输出.神经通路，由轴突及其突触形成的连接，将来自不同位置的神经元连接起来，并使信号从神经系统的一个区域传递到另一个区域.研究者们的神经形态系统的模块化允许模仿神经系统的电路，并设计出与神经通路中的生物连接非常相似的级联电路。

a 发送神经元、多巴胺能神经元和血清素能神经元之间的神经通路图示，突出了信号传递、抑制和激活失败的情况。b 多巴胺和血清素神经元的突触调节剂输出以及两个神经元的尖峰输出。

03

视网膜启发的感觉编码和神经调控

        当将视网膜视为生物系统的模型时，光和神经递质代表外部和内部刺激，不仅（图1）触发和控制沿（级联）神经通路的信号传输（激活特定的大脑区域），但也调节持续活跃的神经元的尖峰频率。在中枢神经中，活性神经元的调节代表了外部信号处理的生物学机制，涉及感觉编码和尖峰速率编码的级联相互作用，从而实现学习和记忆。为了证明这一概念，研究者们进一步结合了有机神经形态通路中的神经元功能（感觉编码和神经调控），证明了光尖峰编码和神经递质介导的尖峰频率调制之间的密切相互作用。如图所示。

a 描述生物神经通路的示意图。b 传入神经元的输出电压，多巴胺神经元的突触调节剂，多巴胺神经元，血清素神经元的突触调节剂，血清素神经元，两种光强度条件（低和高）。

        这种神经形态级联通路能够将环境光强度转导为电压电位，随后转化为精确的尖峰模式，从而转化为特定的神经递质介导的突触调节。因此，DA突触调节剂的生物杂交突触将以尖峰形式接收的信息存储为突触权重变化（电导调制），并产生相应的尖峰模式，在5-HT神经元上引发级联机制：复制视网膜神经递质介导的生物暗视调节的关键。

结    论

        研究者们展示了一种策略，该策略利用神经形态设备的Hebbian学习功能，通过集成光传感器，脉冲电路和突触调节器，开发基于生化信号活性（多巴胺和血清素）和光刺激的模块化和可重构电路。这种模块化允许直接设计系统，可以选择性地触发尖峰编码信号传输，同时本地转导和计算物理和生理环境信息：这是在生物混合界面实现复杂神经形态硬件的重要一步。因此，这个神经形态平台复制了相互关联的生物学功能，这些功能不仅被用来展示松散和解耦的仿生概念，而且建立了人工神经形态计算电路的原始版本。

更多内容，点击阅读原文